基于网络检索的语料库软件系统评述.docxVIP

基于网络检索的语料库软件系统评述王雁苓1，吕学实2(1.吉林省教育学院，吉林长春130022;2.吉林省工商银行，吉林长春130021)摘要:基于网络检索的语料库研究均开始于语料库软件系统的开发，语料库软件系统是从事语料库语言学、机器翻译、语言教学、词典编纂等研究的基础，软件系统的质量决定了语料库建设规模的大小和研究成果的优劣。大规模语料库软件系统建设的关键环节包括：文档抽取；元数据建立；词性、句法和语误标注；索引、检索和统计分析。针对上述技术环节，我们收集并编程测试了大量国外语料库开发软件包，从软件实现的理论方法、执行效率、准确率、鲁棒性、实用性、支持中文等多个方面进行分析和评述，以期对国内大规模语料库软件系统的建设提供借鉴和帮助。关键词:语料库；网络检索；语料库软件系统；语料标注中图分类号：G254.9文献标识码：A文章编号：1007-7634（2014）11-147-05CommentaryofCorpusSoftwareSystemBasedonNetworkRetrievalWANGYan-ling1，LVXue-shi2（1.TeachingAffairsOfficeofJilinProvincialInstituteofEducation，Changchun130022,China;2.IndustrialandCommercialBankofJilinProvince,Changchun130021,China）Abstract:Thestudyofcorpussoftwaresystembasedonnetworkretrievalwasalllaunchedoutwiththedevelopmentofcorpussoftwaresystem.Thecorpussoftwaresystemplaysasthefoundationalstoneinthebuildingofthestudiesoncorpuslinguistics,machinetranslation,languageteachingandlexicography.Thesystem’squalityformulatesthescaleofcorpusconstructionandtheoutputsofthestudiesaswell.Theconstructionoflarge-scalecorpussoftwaresystem,whosekeylinksinclude:documentextraction;Metadatasetup;thepartofspeech,syntaxandmisslabeling;indexing,retrievalandstatisticalanalysis.Accordingtothetechnologiesabove,weanalyzedandcommentedthecorpusdevelopmentpackagefromvariousofaspects,likethetheorymethod,executionefficiency,accuracy,robustnessandpracticability,weathersupportChineseandsoon,bymeansofalargeamountofforeigncorpusdevelopmentpackagecollectionandprogrammingtests.Wedoitforthereasonthatwemayprovideareferenceoralittlehelpfortheconstructionofdomesticlarge-scalecorpussoftwaresystemlateron.Keywords:corpus；netsearch；corpussoftwaresystem；corpustagging然语言材料进行统计分析的大型资料库【1】。一般认为语料库的发展经历了三个阶段：①手工语料库阶段②电子语料库阶段③基于网络检索的大规模电子语料库阶段。其应用领域也由原来的语料库语1引言语料库(corpora)是应用计算机技术对海量自收稿日期：2014-04-20作者简介：王雁苓（1968-），女，吉林长春人，副教授，硕士，主要从事计算机专业课程教学和软件应用开发研究.-147-INFORMATIONSCIENCEVol.32,No.11November,2014·Summarization·言学研究、词典编纂扩展到现在的机器翻译、语言教学等诸多领域。基于语料库的研究与应用均开始于语料库软件系统的开发。典型的语料库软件系统应包括：文档的抽取及元数据创建；自动词性/语法标注；索引、检索和统计分析等功能模块。其中最为重要的是词